[发明专利]一种预测抗体重链轻链配对概率的方法及其应用

权利要求书

1.一种预测抗体重链轻链配对概率的方法，其特征在于，所述方法包括如下步骤：将已知配对信息的抗体样本重链、轻链的氨基酸序列特征转换为数字信号后，输入卷积神经网络中进行训练，获得最终的模型参数，再利用该模型参数对待预测的抗体重链轻链的配对概率进行预测；

所述获得最终的模型参数的方法具体包括如下步骤：

(1)获取抗体样本的重链、轻链氨基酸序列配对信息，作为基础样本；

(2)将基础样本分成第一部分和第二部分，提取第一部分基础样本的氨基酸序列特征、位点特异性打分矩阵特征、抗体CDR3区长度特征、氨基酸二级结构特征和氨基酸的溶液可及性特征，将上述特征进行信息汇总，得到一个包含抗体样本信息的数据集，作为训练集；

(3)提取第二部分基础样本的氨基酸序列特征、位点特异性打分矩阵特征、抗体CDR3区长度特征、氨基酸二级结构特征和氨基酸的溶液可及性特征，将上述特征进行信息汇总，得到一个包含抗体样本信息的数据集，作为测试集；

(4)获取阳性数据集和阴性数据集；

(5)将训练集输入卷积神经网络，进行卷积神经网络训练；

(6)输出配对信息并优化卷积神经网络训练的目标函数，得到全卷积神经网络的权重和偏置，获得最终的模型参数。

2.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述基础样本的获取方式为：先获取未配对重链、轻链可变区的全基因序列信息，再获取抗体样本基因配对信息，对上述信息进行处理，得到抗体样本的重链、轻链氨基酸序列配对信息。

3.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述氨基酸序列特征的提取方式为：

将一种氨基酸定义为一种二十位二进制数，进而将一种氨基酸序列定义为一个[x×20]的矩阵数据，其中x表示抗体重链或轻链氨基酸序列中氨基酸的个数。

4.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述位点特异性打分矩阵特征的提取方式为：

将位点特异性打分矩阵定义为一个如下式所示的[L×20]的矩阵，其中L表示抗体重链或轻链氨基酸序列的长度；使用PSI-BLAST工具计算基础样本的位点特异性打分矩阵；然后将PSSM矩阵的行列所得到的值，利用sigmoid函数变换到0-1区间；

其中，E_i-j表示氨基酸序列的第i个氨基酸在进化中突变为氨基酸j的概率log值，j＝1-20分别为按字母排列的20种天然氨基酸。

5.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述抗体CDR3区长度特征的提取方式为：将抗体CDR3区的氨基酸个数定义为不同的七位二进制数，由此提取抗体CDR3区长度特征。

6.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述氨基酸二级结构特征的提取方式为：使用SCRATCH工具预测氨基酸序列中每个氨基酸的二级结构，并将三种二级结构定义为三种不同的三位二进制数，由此提取氨基酸二级结构特征。

7.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述氨基酸的溶液可及性特征的提取方式为：

使用SCRATCH工具预测氨基酸序列中每个氨基酸的溶液可及性，并将两种状态定义为两种不同的二位二进制数，由此提取氨基酸的溶液可及性特征。

8.如权利要求1所述的预测抗体重链轻链配对概率的方法，其特征在于，所述将上述特征进行信息汇总的方法为：

将提取到的氨基酸序列特征、位点特异性打分矩阵特征、抗体CDR3区长度特征、氨基酸二级结构特征和氨基酸的溶液可及性特征进行汇总，将汇总信息定义为一个五十二位二进制数，进而将一种氨基酸序列定义为一个[y×52]的矩阵数据，其中y表示抗体重链或轻链氨基酸序列中氨基酸的个数。